基干数据挖掘大学生网络用户行为与偏好探析.docVIP

基于数据挖掘的大学生网络用户行为与偏好分析 　　摘 要：以问卷调查的方式收集数据，采用数据挖掘的方法深度分析数据，研究在校大学生网络使用现状。严格遵循数据挖掘的步骤，对问卷数据进行预处理，通过weka数据挖掘平台，进行关联规则及聚类分析，得出不同用户组特征，从而挖掘出用户的上网行为模式和潜在上网规律，对网络运营商的科学运营模式提出合理的建议 关键词：数据挖掘；电信运营商；大学生；行为 大学生对网络使用的需求日渐增多，目前的网络质量却未达到令人满意的程度。此次研究可以让网络运营商适当改善网络，有利于网络的长足发展，实现网络运营商与校园网用户间的双赢。我们将使用数据挖掘中聚类和关联规则分析技术，深度研究分析数据，探究校园内网络用户行为现状以及偏好成因，为运营商的网络经营策略提供建议。同时也提高消费者使用网络的满意度。对于网管中心，全面掌握了校园内网络的使用状况及其发生的因素后，能对于校内的网络更有效地规范与控制，从而建立校内网络更有效的管理机制 一、数据挖掘 （一）基本概念。数据挖掘是指从大量的数据中发现并抽取隐含的、未知的、有潜在应用价值的知识过程。数据挖掘的目的是为决策者提供有效的决策支持。[1]其流程依次为：数据采集、数据预处理、数据清洗、数据规约、模型建立、可视化分析 （二）WEKA。WEKA是一个数据挖掘实验平台，集成了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理、分类、回归、聚类、关联规则以及在新的交互式界面上的可视化等。本项目采用WEKA平台进行数据挖掘，主要运用其中的聚类和关联规则分析 （三）聚类分析。聚类是将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。[2]此次聚类分析选用的是K-means聚类分析方法，在Filter树中SimpleKMeans算法，并将numCluster值设为4，其余均为默认值。[3]表示将所给的属性按照一定的规则分为4类，分别表示四类不同特征的用户群体 （四）关联规则分析。关联规则是形如A==B的蕴涵式，A和B分别称为关联规则的先导（LHS）和后继（RHS） 关联规则分析则是采用分箱离散化处理，在Filter树中Discretize算法，设阈值为0.9，默认选择前10条规则。关联规则的结果形如“A==B conf：（C）”，其中“A==B”表示情况A发生且情况B发生，“conf：（C）”称为置信度（Confidence level），其中C为百分比数值，置信度表示事件已包含A的情况下，包含B的百分比，关联规则分析得出的结果是根据置信度由高到低排列的规则 二、群体特征分析 （一）聚类分析 表1是对用户使用网络的基本信息的聚类分析 第一类用户占比最少，该类用户上网地点为宿舍，月生活费1548元，月上网资费66元，选择使用电信宽带，日上网时间较其他分类较多，高达10h，上网目的主要集中于看视频、社交聊天，偏娱乐方向。对这类学生深入调查可知该类用户对于网络依赖性较高，对网速要求较低。第二类用户占比最高，为三分之一，上网地点为宿舍，月生活费1319元，月上网资费70元，在所有分类中上网资费占生活费比重最高。选择电信宽带，日上网时间为4h，上网目的涵盖了除玩游戏之外的所有选项，可见该类用户上网目的较综合，几乎每个指标都与总体水平相当。第三、四类用户上网资费占生活费比重、上网目的两指标水平相当。而网络类型与上网时间不同。第三类校园无线网用户上网时间为6h，第四类电信宽带用户上网时间为4h。进一步调查可知，第三类用户与其他分类不同在于宿舍区覆盖校园无线网，价格相较其他网络稍便宜，所以该类上网资费也较低。总体分析，上网地点为宿舍、网络类型为电信宽带，上网目的为“看视频”同时“不玩游戏”，这几点几乎是所有用户的共性。这由本校女多男少特性造成，女生偏爱看视频、不玩游戏，视频可集中下载而非时刻在线，用户使用网络时间较短，视频播放多为手机播放，由此运营商可以调整套餐安排，推出相较低网速、短时长、低价位的无线网络套餐；针对少量游戏用户，有线套餐则要做到高网速、长时长、高稳定性 2、运营商类型与使用问题的聚类分析 表2是对用户使用网络时可能出现的问题的聚类分析 第二类用户所占比例最大，约为样本总量的一半，几乎所有指标都与总体水平一致，只比总体的选择多出一项问题选择：电信宽带无法使用无线网。因为现在的学生主要的上网工具是手机、ipad而非电脑，无法使用无线网会使很大一部分用户觉得不便捷 第一、三、四类用户比例都很平均，第一类用户出现的问题是：电信宽带网络无响应，而第三类用户同样表示移动CMCC也出现同样问题，由此可见两类网络的技术都不完善，仍需努力提高技术水平，提升硬件质